Conception et développement d'un système multi-agent d'aide à la décision pour la gestion de production dynamique

212 

Loading.... (view fulltext now)

Loading....

Loading....

Loading....

Loading....

Texte intégral

(1)

D

DO

OC

C

TO

T

OR

RA

AT

T

D

D

Délivré par

Discipline ou spécialité :

Marie-Pierre GLEIZE Pascale ZARATE: Professeur à l'

Bernard GRABOT : Professeur à Bernard ESPINASSE

Damien TRENTESAUX : Professeur à l'

Ecole doctorale : Ecole Doctorale Mathématiques, Informatique, Télécommunications de Toulouse Unité de recherche :

Directeur(s) de Thèse : Présentée et soutenue par

Titre : Conception et Développement d’un système

la gestion de production dynamique.

T

T

H

H

È

È

S

S

E

E

En vue de l'obtention du

D

DE

E

L

L’

’U

U

NI

N

IV

VE

E

RS

R

SI

IT

É

D

DE

E

T

T

OU

O

U

Délivré par l'Université Toulouse III - Paul Sabatier Discipline ou spécialité : Informatique

JURY

LEIZES : Professeur à l'Université TOULOUSE III Professeur à l'Université TOULOUSE I Directrice de thèse

Professeur à l'Ecole Nationale d'Ingénieurs de Tarbes : Professeur à l'Université d'Aix-Marseille Rapporteur

Professeur à l'Université de Valenciennes et du hainaut cambrésis Rapporteur

Ecole Doctorale Mathématiques, Informatique, Télécommunications de Toulouse Unité de recherche : IRIT UMR 5505

Directeur(s) de Thèse : PASCALE ZARATE Rapporteurs :

Présentée et soutenue par Noria TAGHEZOUT

Le 08 Juillet 2011

Conception et Développement d’un système multi-agent d’Aide à la la gestion de production dynamique.

U

UL

L

OU

O

U

SE

S

E

niversité TOULOUSE III Directrice de thèse l'Ecole Nationale d'Ingénieurs de Tarbes Rapporteur

Valenciennes et du hainaut cambrésis

Ecole Doctorale Mathématiques, Informatique, Télécommunications de Toulouse

TAGHEZOUT

(2)

J

e ne serais pas arrivée jusque là si Mme Pascale ZARATE, Professeur à l'université Toulouse I directrice de thèse, ne m'avait pas pris sous son aile bienveillante. Je la remercie pour toute l'attention qu'elle m'a portée et son soutien inconditionnel au cours de ces dernières années. Je lui suis sincèrement reconnaissante pour la confiance qu'elle m'a témoignée depuis le début et tout au long de la thèse, pour son encadrement, ses conseils et ses orientations. J’espère avoir été digne de cette confiance.

Je remercie Madame Marie-Pierre GLEIZES, Professeur à l’Université Toulouse III de me faire l’honneur de présider mon jury de thèse.

J'exprime toute ma gratitude à Monsieur Bernard ESPINASSE, Professeur à l’Université d’Aix-Marseille et Monsieur Damien TRENTESAUX, Professeur à l’université de Valenciennes et Hainaut-Cambrésis pour l'intérêt et l'attention qu'ils ont accordé à ce travail de thèse et d'avoir accepté d'en être les rapporteurs.

J'adresse mes sincères remerciements à Monsieur Bernard GRABOT, Professeur à l’Ecole Nationale d’Ingénieurs de Tarbes d’avoir accepté de nous honorer par sa présence à mon jury.

Que tous les membres d’IC3 trouvent ici l’expression de ma profonde sympathie pour l’ambiance chaleureuse et conviviale qu’ils ont maintenue tout au long de ces années. Je remercie également les membres de l’équipe SMAC qui m’ont accueillie chaleureusement.

Je remercie très sincèrement et sans exception, l’ensemble du personnel de l’IRIT. Je remercie, enfin, toute ma famille, mes amis et tous ceux qui, de près ou de loin, ont contribué à la concrétisation de ce travail.

(3)

1.1 Contexte de la thèse.………... ... 2

1.2 Objectifs et motivations….………...……….. ... 3

1.3 Contributions……….………... ... 4

1.4 Plan de la thèse………. ... 6

Partie 1 : Etat de l’Art

Chapitre 2.

Chapitre 2.

Chapitre 2.

Chapitre 2. La gestion de Production Dynamique

La gestion de Production Dynamique

La gestion de Production Dynamique

La gestion de Production Dynamique

2.1 Définitions de la gestion de production ... 11

2.2 Objectifs de la gestion de production ... 12

2.2.1 Respecter les délais ... 12

2.2.2 Minimiser les stocks intermédiaires ... 12

2.2.3 Optimiser l’utilisation des moyens ... 13

2.2.4 Autres objectifs liés à l’environnement de la production ... 13

2.3 Les différents types de systèmes de production……… ... 13

2.3.1 Production unitaire……… .13

2.3.2 Production en petite et moyenne série……….. .13

2.3.3 Production en grande série……… .13

2.3.4 Production en continu………... .14

2.4 Caractéristiques des systèmes automatisés de production………14

2.4.1 Flexibilité……….. .14

2.4.2 Réactivité……….. .15

2.4.3 Pro-activité……… .15

2.4.4 Robustesse………. 15

2.4.5 La performance des systèmes de production………. 15

2.5 Les différents types d’ateliers manufacturiers……….. …….………... 16

2.5.1 Machine unique……….…….. ...16

2.5.2 Machines parallèles… ...16

2.5.3 Ateliers à cheminement unique (Flow-shop)………17

2.5.4 Ateliers à cheminements multiples (Job-shop) ……… 17

2.6 Les problèmes des systèmes de production………. ...18

2.6.1 Problème d’ordonnancement ……….. ....19

2.6.2 Problème d’optimisation ……….. ...19

(4)

2.7.2.3 Ordonnancement actif ……….. ...22

2.7.2.4 Ordonnancement statique /dynamique………..22

2.7.3 Méthodes d’ordonnancement……….. ...22

2.7.3.1 Simulation……….. . 23

2.7.3.2 Résolution de problèmes par agents………... . 23

2.7.4 Paramètres liés à l’étude des problèmes d'ordonnancement ... 24

2.7.4.1 Les contraintes……… ... 24 2.7.4.2 Qualité de la solution………24 2.8 Pilotage et ordonnancement……….….. ... 25 2.8.1 Notion de pilotage ……….. ... 25 2.8.2 Pilotage et ordonnancement ……….. ... 26 2.9 Conclusion……….….. ... 26

Chapitre 3

Chapitre 3

Chapitre 3

Chapitre 3....

Méthodes

Méthodes

Méthodes

Méthodes de

de

de

de

Résolution

Résolution

Résolution du

Résolution

du

du

du

Problème

Problème

Problème

Problème

d’Ordonnancement

d’Ordonnancement

d’Ordonnancement

d’Ordonnancement

dans une

dans une

dans une

dans une

gestion de production

gestion de production

gestion de production

gestion de production

3.1 Définition du problème d’ordonnancement d’atelier………... ... 27

3.1.1 Ordonnancement d’atelier en temps réel……… ...28

3.1.2 Etat de l’art : Approches d’ordonnancements pour les ateliers flow-shop…… .28

3.1.2.1 L’approche constructive………...30

3.1.2.2 Le Recuit Simulé……….. ...31

3.1.2.3 La méthode Tabou……….. ...32

3.1.2.4 L’approche évolutive……… ...33

3.1.2.5 Synthèse des métaheuristiques……….. ...34

3.1.2.6 L’approche basée sur la simulation……….. ... 35

3.1.2.7 L’approche basée sur les SIAD……….. ... 37

3.2 La modélisation des systèmes de pilotage………. ... 38

3.2.1 Pilotage et Ordonnancement………. ...38

3.2.2 Approche par Objets………... ...39

3.2.3 Approche par les agents………... ...40

3.3 Classes de solutions……… ... 41

3.3.1 Pilotage par coopération de modèle………. ...41

3.3.2 Pilotage interprété……… ...41

3.3.3 Pilotage par le produit……….. ...42

3.3.4 Pilotage par les ressources………... ...42

3.3.5 Introduction des SMA………. ...42

3.3.6 Intégration des algorithmes génétiques………... ...43

(5)

4.1 Aide à la décision……… ... 47

4.1.1 L’aide à la décision aujourd’hui et son intérêt………. ...47

4.1.2 Aide multicritère à la décision……….. ...48

4.1.3 Typologies des processus décisionnels………. ...48

4.1.4 Acteurs de la décision……….. ...49

4.2 Les Systèmes Interactifs d’Aide à la Décision……….49

4.2.1 Définitions……… ...49

4.2.2 Structure d’un Système Interactif d’Aide à la Décision……….. 50

4.2.3 Vers des SIAD basés sur la connaissance………. .. 52

4.2.4 Notion de Systèmes Interactifs d’Aide à la Décision à base de Web (Web-based DSS... ... 55

4.2.5 Typologie des SIAD……… ...55

4.3 Intégration des agents dans les processus décisionnels ………. ...56

4.3.1 A propos du processus de décision classique ……….. ...56

4.3.2 Rôle des agents ……….. ... 57

4.4 Les niveaux de décision dans le cadre du pilotage de système de production………… 58

4.5 Contextes de prises de décisions en gestion de production ……… ... 59

4.6 Conclusion ……….. ... 60

Partie 2 : Modèles et Architectures Multi-agents

Chapitre 5

Chapitre 5

Chapitre 5

Chapitre 5.... Les Systèmes Multi

Les Systèmes Multi

Les Systèmes Multi----agents

Les Systèmes Multi

agents

agents

agents

5.1 Agents et systèmes multi-agents……… ... 62

5.1.1 Quelques Définitions……… ...62

5.1.1.1 Agents………. . 62

5.1.1.2 Systèmes Multi-Agents (SMA)… ………..…63

5.1.1.3 Décomposition d’un SMA……….. 64

5.1.1.4 L’approche cognitive……….. . 65

5.1.1.5 L’approche réactive……… . 65

5.2 Interactions entre les agents……… ... 66

5.2.1 L’interaction par la communication……… ....66

5.2.2 L’interaction par la coopération d’agent……… ...66

5.2.3 L’interaction par la négociation entre ressources………... ...66

(6)

5.4.1.2 Méthodologie MaSE……….. . 70

5.4.1.3 Méthodologie AEIO……….. .. 70

5.4.1.4 Méthodologie agent-groupe du modèle Aalaadin……… .. 70

5.4.1.5 Méthodologie ADELFE……… ... 71

5.4.2 Présentation de l’approche UML………... ....72

5.4.2.1 Description………. . 73

5.4.2.2 Expression de la dynamique des SMA à travers des diagrammes UML ... 74

5.5 Quelques plate-formes de développement de SMA……….. ... 75

5.5.1 SWARM……….………...75 5.5.2 Voyager………...75 5.5.3 DIMA………... 76 5.5.4 MadKit………. 76 5.5.5 Zeus……… .. .76 5.5.6 JADE……… …..76 5.6 Conclusion ……… 78

Chapitr

Chapitr

Chapitr

Chapitre 6

e 6

e 6.... Coordination &

e 6

Coordination &

Coordination &

Coordination & Négociation

Négociation

Négociation

Négociation

dans un SMA

dans un SMA

dans un SMA

dans un SMA

6.1 La Coordination dans les systèmes multi-agents………80

6.1.1 Définitions………80

6.1.2 Mécanismes de coordination ……… ………82

6.1.2.1 Coordination par synchronisation………82

6.1.2.2 Coordination par planification………82

6.1.2.3 Coordination réactive……….84

6.1.2.4 Coordination par réglementation………84

6.1.3 Eléments de la coordination ……….. …85 6.1.4 Techniques de coordination……….85 6.1.5 Langages de coordination ………85 6.1.5.1 AgentTalk………..85 6.1.5.2 COOL……….86 6.1.6 Protocoles de coordination………88

6.1.7 Etat de l’art sur la coordination……… … 88

6.2 La négociation dans les systèmes multi-agents……… ... 90

6.2.1 Définitions……… ...91

6.2.2 Les Objets de description de la négociation……… ...92

6.2.3 Cardinalités de la négociation……….. ...93

6.2.4 Les conflits………. ...93

6.3 Contract Net Protocol……… ... 94

6.3.1 Description générale……… ...94

(7)

6.4 Conclusion……… ... 102

Partie 3 : Implantation et Mise en oeuvre de l'application

Chapitre 7

Chapitre 7

Chapitre 7

Chapitre 7.... Le Système Implémenté

Le Système Implémenté

Le Système Implémenté

Le Système Implémenté

7.1 Le problème d’allocation dynamique des tâches……… ... 104

7.2 Description de l’architecture du SIAD………... ... 105

7.3 Notre modélisation par les agents……… 106

7.3.1 Structure d’un agent SIP……….106

7.3.2 Description de l’état de l’étalier……….. ...107

7.3.3 Structure des agents………. ...109

7.3.3.1 L’agent superviseur ...109

7.3.3.2 L’agent décideur SIP ... 110

7.3.3.3 L’Agent Coordinateur (AC) ... 112

7.4 Niveaux de prise de décision………. ... 114

7.4.1 Description globale ………. ...114

7.4.2 Démarche de résolution du problème par un organigramme… ...114

7.4.3 Démarche de résolution du problème par un diagramme UML……… .. 116

7.5 Le protocole de coordination……….. ... 117

7.5.1 Algorithme d’allocation de ressources………..117

7.5.2 Algorithme de réaction aux pannes ressources……… .118

7.5.3 Algorithme de recherche d’informations……… 118

7.6 Primitives du protocole……… ...122

7.7 Utilisation de la simulation……….. .... 124

7.8 Conclusion……….. ... 124

Chapitre 8

Chapitre 8

Chapitre 8

Chapitre 8.... Expérimentation

Expérimentation

Expérimentation &

Expérimentation

&

& Résultats

&

Résultats

Résultats

Résultats

8.1 Le Contract Net Protocol : Extensions………...125

8.2 Le protocole de négociation et ses propriétés……… ... 125

8.3 Les différents scénarios de négociation par les diagrammes UML………. .... 127

8.4 Le Modèle de négociation………. ... 130

(8)

8.6 Scénarios d’exécution ……….. ...133

8.6.1 Scénario 1 : Cas d’un atelier à 4 SIP(s)……….. .133

8.6.1.1 Nouvel ordre de fabrication……….. .133

8.6.1.2 Simulation des pannes………...135

8.6.1.3 Interface des agents...135

8.6.1.4 Détail du Scénario 1 de négociation par les imprimes-écrans...136

8.6.2 Scénario 2 : Cas d’un atelier à 9 SIP(s)……….. ... 140

8.6.3 Scénario 3 : Cas d’un atelier à 4 SIP(s) avec déroulement de toutes les formes de négociation ... 142

8.6.3.1 Gestion des priorités ……….. ...142

8.6.3.2 La primitive de contre-proposition……….. ...143

8.6.3.3 Mise à jour des bases de données...146

8.6.3.4 Quelques statistiques………...147

8.7 Conclusion………. ... 151

Chapitre

9

Chapitre

Chapitre

9

9

Chapitre

9....

Conclusion

Conclusion

Conclusion

Conclusion

générale

générale

générale

générale

et

et

et

et

Perspectives

Perspectives

Perspectives

Perspectives

9.1 Bilan des travaux de recherche présentés………..153

9.2 Perspectives de recherche……….. ... 155

references bibliographiques

references bibliographiques

references bibliographiques

references bibliographiques………. ... 157

ANNEXES

ANNEXES

ANNEXES

ANNEXES

Annexe A. Les protocoles de FIPA……….. ... 173

A.1 Les standards des agents………... 173

A.2 Les protocoles de FIPA……….. ... 173

A.3 Protocole FIPA-request……….. ... 174

A.4 Protocole FIPA-query………... 174

A.5 Protocole FIPA-request-when………. ... 174

A.6 Protocole FIPA-contract-net………... 174

(9)

Annexe C. L’agent Coordinateur : code JAVA……….191

resume………. ...195

(10)

FIG. 1.1 Positionnement de notre contribution ... 8

FIG. 2.1 Les flux informationnels et physiques ... 11

FIG. 2.2 Exemple de planification tirée de [Vacher, 2000] ... 13

FIG. 2.3 Modèle d’une Machine unique. ... 15

FIG. 2.4 Modèle d’une Machine parallèle ... 15

FIG .2.5 Ateliers à cheminement unique (Flow-shop). ... 16

FIG. 2.6 Les Ateliers à cheminement multiple (Job-hop). ... 17

FIG. 2.7 Typologie par les ressources des problèmes d’ordonnancements……… 19

FIG. 2.8 Ordonnancement admissible [Billaut et Moukrim, 2005]. ... 20

FIG. 2.9 Ordonnancement semi actif [Billaut et Moukrim, 2005]. …….. ... 21

FIG. 2.10 Ordonnancement actif [Billaut et Moukrim, 2005]. ... 21

FIG. 2.11 Modèle de l’environnement d’un système de pilotage . ... 24

FIG. 2.12 Modèle de référence ISO . ... 25

FIG. 3.1 Classification proposée selon l'approche solution [Imma, 2009] ... 30

FIG. 3.2 Exploration de X par une approche constructive ... 31

FIG. 3.3 Algorithme : Heuristique NEH ... 31

FIG. 3.4 Algorithme : Recuit Simulé ... 32

FIG. 3.5 Algorithme : Méthode générique de la recherche Tabou [Glover, 1989] ... 32

FIG. 3.6 Exploration de X par une approche évolutive ... 34

FIG. 3.7 Les approches utilisées dans le pilotage des systèmes de production…………45

FIG. 4.1 Les composants d’un SIAD [Sprague et Carlson, 1982]. ... 50

FIG. 4.2 Structure d’un SIAD basé sur la connaissance selon Marakas [Marakas 2003]…...51

FIG. 4.3 Structure d’un SIAD à base de connaissances (IDSS) [Forgionne, 2005] ... 54

FIG. 4.4 Vision systématique d’un système de production ... 59

FIG. 5.1 Représentation imagée d’un agent en interaction avec son environnement et les autres agents ... 64

FIG. 5.2 Typologie des méthodologies pour l’ingénierie des SMA ... 69

FIG. 5.3 Les différents diagrammes d’UML ... 72

FIG. 6.1 La planification orientée tâche ... 83

FIG. 6.2 Planification orientée agent ... 84

FIG. 6.3 Description des rôles de manager et de contractant ... 95

FIG .6.4 États de traitement d’un contrat (Figure issue de [Smith, 1980]). ... 96

FIG .6.5 Spécification BNF du protocole du Contract Net (Figure issue de [Smith, 1980]) ………97

(11)

FIG. 7.8 Organigramme décrivant les points d’intégration de la négociation et de la

méthode ELECTRE III dans la démarche de résolution du problème posé ... 115

FIG. 7.9 Organigramme décrivant les états des agents durant les deux phases de prise de décision ... 116

FIG. 7.10 Diagramme de Séquence ... ... 117

FIG. 7.11 Algorithme d’allocation de ressources ... 119

FIG. 7.12 Algorithme de réaction à une panne ... 120

FIG. 7.13 Procédure d’orientation de la production ………121

FIG. 7.14 Algorithme de recherche d’information……… ..121

FIG. 8.1 Diagramme de séquences de la négociation ... 127

FIG. 8.2 Diagramme de séquences de négociation et renégociation ... 128

FIG. 8.3 Diagramme de séquences de négociation et renégociation2 ... 129

FIG. 8.4 Diagramme de séquence de négociation entre un initiateur et n participants ... 129

FIG. 8.5 La stratégie de négociation : une vue générale ... 130

FIG. 8.6 Architecture logicielle de la plate-forme JADE ... 131

FIG. 8.7 L’interface de la plate forme JADE ... 132

FIG. 8.8 Création d’un nouveau projet ... 134

FIG. 8.9 Description de l’ordre de fabrication (OF) ... 134

FIG. 8.10 Une Ressource est tombée en panne ... 135

FIG. 8.11 L’interface d’un agent SIP ... 135

FIG. 8.12 Interface de l’agent3 ... 136

FIG. 8.13 Scénario 1 de négociation (1) ... 136

FIG. 8.14 Scénario 1 de négociation (2) ... 137

FIG. 8.15 Scénario 1 de négociation (3) ... 137

FIG. 8.16 Scénario 1 de négociation (4) ... 138

FIG. 8.17 Scénario 1 de négociation (5) ... 138

FIG. 8.18 Scénario 1 de négociation (6) ... 139

FIG. 8.19 Scénario 1 de négociation(7) ... 139

FIG. 8.20 Scénario de négociation(8) : résulats sur le Sniffer ... 140

FIG. 8.21 Ressource R9 tombe en panne ... 141

FIG. 8.22 Exécution ELECTRE III (1) ... 141

FIG. 8.23 Exécution ELECTRE III (2) ... 141

FIG. 8.24 Scénario 2 : résultats sur le Sniffer ... 142

FIG. 8.25 Lancement des tâches T4 et T3, et affectation des priorités ... 142

FIG. 8.26 a) Exécution de la tâche4 par SIP1 ; b) La tâche3 est interrompue ... 143

FIG. 8.27 Négociation avec priorités entre SIP ... 143

FIG. 8.28 Interruption de l’exécution de tâche1 ... 144

FIG. 8.29 Interruption de l’exécution de tâche2 ... 144

FIG. 8.30 Formulation de contre-propositions durant la négociation ... 145

FIG. 8.31 Scénario 3: résultats sur le Sniffer ... 146

(12)

FIG. A.1 Protocole FIPA-request ... 175

FIG. A.2 Protocole FIPA-query ... 175

FIG. A.3 Protocole FIPA-request-when ... 176

FIG. A.4 Protocole FIPA-contract-net ... 177

FIG. A.5 Protocole FIPA-iterated-contract-net ... 178

FIG. B.1 Représentation des relations de sur classement des ressources selon la méthode ELECTRE III ... 189

(13)

Liste des Tables

TAB.3.1 Correspondance entre Algorithme Génétique et Recuit Simulé [Debbat, 2005]…..35

TAB. 4.1 Phases de prise de décision [Gloria et al. , 2005]. ... 53

TAB. 4.2 Correspondance réelle entre les étapes du processus de décision et ensemble de tâches [Forth, 2006].… ... 57

TAB. 4.3 Correspondance entre les fonctions SIAD et les capacités des agents .. ... 58

TAB. 6.1 Tableau comparatif des plats-formes de négociation-spécial extensions du CNP 101 TAB. 7.1 Les différentes Approches de traitement du problème d’allocation des tâches dans un système multi-agents ... 72

TAB. 7.2 Performatifs FIPA-ACL utilisés dans notre protocole . ... 123

TAB. 7.3 Pseudo-Performatifs utilisés dans notre protocole ... 123

TAB. B.1 Exemple fictif d’un tableau des performances tel qu’il pourrait être utilisé par la méthode ELECTRE III ... 182

TAB. B.2 Calcul des indices de concordance... 184

TAB. B.3 Calcul des indices de discordance ... 185

TAB. B.4 Calcul des degrés de crédibilité ... 186

TAB. B.5 Matrice des degrés de crédibilité ... 186

TAB. B.6 Matrice de sur classement ... 188

TAB. B.7 Distillation descendante / ascendante ... 188

(14)
(15)
(16)

1

Dans un monde industriel où les structures hiérarchisées fondées sur un système de décision très structuré et sur le cloisonnement des compétences laissent progressivement place à des structures transversales permettant l’organisation en projets et le pilotage de production distribué, le contrôleur de gestion est impliqué dans une problématique de l’organisation, consistant à accroître la décentralisation des décisions tout en maintenant un niveau de coordination satisfaisant de l’ensemble des acteurs des projets.

Dans ce contexte, la gestion des flux de production, le pilotage devant contrôler son déroulement et la détermination d’une règle d’ordonnancement et d’affectation des tâches aux machines dans un souci de minimisation des coûts d’exploitation sont d’une importance fondamentale.

En effet, seule une démarche stratégique permet de guider l’entreprise dans ses choix à long terme. Cette démarche implique des analyses de la concurrence, une segmentation des activités de l’entreprise qui distingue des ensembles de «produits–marchés–technologies» correspondant à des métiers distincts, à des situations de concurrence différentes, à des facteurs de succès spécifiques ; elle se préoccupe de renforcer la synergie entre les activités de l’entreprise, d’anticiper les évolutions futures, de s’assurer du renouvellement de la gamme de produits de l’entreprise au profit de produits porteurs d’avenir, de garantir la bonne adaptation des services fournis aux demandes des différents segments de clientèle.

L’objectif poursuivi est de gérer le plus rationnellement possible les évolutions à long terme, en assurant l’intégration des différentes fonctions et activités, en relation avec ses partenaires. Ainsi les outils de pilotage à court terme doivent contribuer au suivi de la mise en œuvre des orientations stratégiques, et être parties prenantes d’un système de pilotage guidant l’action, et assurant le suivi des performances à court et à long terme.

Ainsi pour atteindre cet objectif, l’organisation repose en général sur la mise en œuvre d’un certain nombre de fonctions, parmi lesquelles la fonction d’ordonnancement joue un rôle essentiel.

Tout en organisant l’utilisation des ressources présentes dans les ateliers de production pour satisfaire les demandes des clients, cette fonction a en charge la réalisation effective des produits. Son efficacité et ses défaillances conditionnent fortement la relation de

(17)

2

l’entreprise avec ses clients. Face à la dynamique du problème d’ordonnancement, deux approches sont nées, la première tend à l’automatisation complète des décisions d’ordonnancement et la seconde quant à elle s’intéresse au développement des outils d’optimisation.

1.1

Contexte de la thèse

Notre souci majeur est de définir un contexte de résolution de problème d’ordonnancement dynamique avec un double objectif : répondre aux changements rapides du contexte de résolution et prendre en compte les préoccupations ou préférences des acteurs impliqués dans l’élaboration des solutions et dans le processus de leur mise en œuvre.

Centrée sur les questions inhérentes au caractère dynamique et évolutif des entités impliquées dans les processus décisionnels liés à la réalité du monde industriel et à leur coexistence dans un environnement présentant de fortes perturbations, cette thèse aborde le problème de prise de décision en temps réel face à des aléas de production et plus particulièrement trois éléments : les décisions, les communications et les mesures de performance. La réalité décisionnelle est très complexe et il semble impossible aujourd’hui d’établir des tableaux de choix prospectifs uniquement à partir des sciences. Pour s’orienter et réaliser les bons choix, il convient alors de plus en plus de s’entourer d’outils adéquats. L’aide à la décision a pour objectif de faciliter la prise de décision d’un acteur confronté à une hypothèse de travail amenant ce dernier à se positionner sur trois dimensions temporelles à la fois : le passé, le présent et l’avenir.

Enfin, un autre objectif de l’aide à la décision est de réduire les incohérences entre les décisions prises au final et les objectifs initiaux qui avaient été fixés. On peut alors dire qu’aujourd’hui, l’aide à la décision contribuerait à légitimer la décision finale. Si elle est couverte par une architecture conceptuelle rigoureuse, l’aide à la décision peut permettre d’élaborer des modèles de réponses ou tout au moins d’établir des bases d’accord en vertu de la validation ou de la réfutation de différents critères.

D’une manière générale, les systèmes d'aide à la décision font référence à des outils informatiques assistant la décision. Appliqués dans le domaine de la gestion de production, ils permettent aux décideurs de mieux gérer la masse et la complexité de l'information. L’amélioration de la gestion de production est alors liée à l'utilisation d'aide à la décision. Cette fonction de gestion de l’entreprise vise en effet à organiser le fonctionnement du système de production, et à mieux gérer ses différentes opérations.

Notons que la modélisation multi-agents repose sur l’idée qu’il est possible de représenter directement le comportement et les interactions d’un ensemble d’individus autonomes évoluant dans un environnement commun [Ferber, 1999]. Au contraire des

(18)

3

approches de modélisation basées sur la définition d’équations mathématiques, où la dynamique d’un système est définie à priori par des relations fonctionnelles entre entités.

1.2

Objectifs et motivations

La fonction d’ordonnancement vise à organiser l’utilisation des ressources technologiques et humaines présentes dans les ateliers de l’entreprise pour satisfaire les demandes des clients. Malgré la simplicité de la formulation d’un tel problème, il faut constater qu’à ce jour, on ne dispose pas de « la ›› méthode susceptible de résoudre tous les cas de figure. Il existe un certain nombre de problèmes génériques qui se différencient par les caractéristiques des travaux à réaliser ou des ressources disponibles pour les réaliser. Des méthodes spécifiques peuvent être alors associées à la résolution de chacun de ces problèmes, on distingue deux cas d’application de ces méthodes : i) elles peuvent être une interprétation particulière pour le problème considéré d’une méthode générale ou ; ii) une méthode particulière, dédiée au problème considéré.

Le travail présenté dans la thèse décrit une approche visant à prendre en compte la robustesse et la flexibilité d’un ordonnancement dynamique, par la définition et la mise en œuvre d’un Système Interactif d’Aide à la Décision. Nous proposons une structure d’agents décideurs qui exécutent les fonctions de pilotage d’atelier. Ces agents décideurs permettent d’ordonnancer des tâches sur des ressources et d’adapter les plans générés en fonction des perturbations ou aléas de production.

D’une part, la solution par l’aide à la décision a pour objectif :

1. de faire évoluer en temps réel l'ensemble des solutions proposées par l'ordonnancement prévisionnel en le mettant à jour en fonction des décisions prises et des événements significatifs (imprévisibles).

2. d'aider au choix de décision en s'appuyant sur l'ensemble des solutions actualisés, et 3. de proposer des modifications locales sur l'ensemble des solutions.

Telle qu’elle a été décrite, l’approche d’ordonnancement par l’aide à la décision constitue une application directe du domaine des SIAD à un contexte d’atelier de production [Lopez et al. , 1996] [Levine et Pomerol, 1989]. Cette approche cherche à assouplir la rigidité des systèmes d’ordonnancements classiques en permettant à un ou plusieurs utilisateurs d’orienter le processus de résolution selon ses préférences ou critères de décision. Les contrôleurs humains des machines de production sont perçus comme des décideurs ayant à résoudre un problème commun : la gestion de l’atelier.

D’autre part, l’étude des travaux de recherche portant sur l’ordonnancement nous amène à relever quelques difficultés :

(19)

4 • La complexité calculatoire du problème. • La nature distribuée du problème. • Le nombre des contraintes. • L’intégration des perturbations

1.3

Contributions

Récemment, la technologie d'agent est considérée comme une approche importante pour développer des systèmes distribués industriels. Elle a été particulièrement reconnue comme un paradigme très prometteur pour la future génération de systèmes industriels.

Tout en étant suffisamment dotés de capacités cognitives pour effectuer un raisonnement sur un problème précis, les agents sont capables de prendre certains types de décisions et exécuter les actions associées. Ils sont beaucoup plus efficaces pour automatiser une tâche de résolution d’un problème qu’un système d’aide à la décision ou bien un système tout court.

Pour construire un tel système multi-agents, nous devons intégrer dans le même agent des capacités cognitives (raisonnement symbolique, comportement social) pour assurer une meilleure coopération entre les agents. Un grand nombre d’architectures d’agents sont organisées de manière modulaire. La plupart d’entre elles tournent autour d’une description à trois composants : perception, délibération et exécution. En adoptant cette architecture à trois niveaux, nous nous fixons un certain nombre d’objectifs que l’agent doit vérifier, à savoir :

1. un agent doit être capable de manipuler explicitement sa connaissance de l’univers, 2. la perception et la communication doivent être suffisamment efficaces pour donner

une vision cohérente de l’état du système,

3. la prise de décision et l’exécution des décisions doivent être accomplies avant qu’elles ne deviennent obsolètes.

D’autre part, les recherches menées dans le cadre de l’intégration des techniques de l’intelligence artificielle dans les SIAD ont donné naissance à des systèmes intelligents d’aide à la décision (appelés en anglais Intelligent Decision-Making Support Systems (I-DMSS). En effet, ces systèmes appelés aussi SIAD intelligents sont capables de supporter toutes les phases du processus de décision d’une manière continue, intégrée et complète.

Selon l’analyse faite par [Mora et al., 2005], la discipline Intelligence artificielle a effectivement contribué à l'amélioration de certaines phases du processus de prise de décision. Cependant, les résultats de la recherche durant ces dernières années (1990-2007) ont montré que tous les efforts investis dans l’intégration des techniques de l’intelligence artificielle dans les SIAD ont été éparpillés ou non concentrés.

En effet, les techniques de l’IA qui ont été appliquées aux SIAD ont contribué à l’amélioration et à l’enrichissement des phases classiques de choix et d’intelligence du processus décisionnel classique introduit par Simon [Simon, 1977].

(20)

5

Quelques améliorations ont été apportées à la phase de conception et pratiquement aucune recherche n'a été faite pour les phases de mise en œuvre et d’apprentissage [Mora et al., 2005].

La plupart des mécanismes d’intelligence artificielle qui ont très été utilisés sont : les systèmes à base de règles, les réseaux de neurones, la logique floue, et les réseaux bayésiens. Au cours des dernières années, la recherche sur les agents intelligents a commencé à être explorée principalement par la communauté SIAD.

L'élaboration de la théorie des agents et les architectures qui leur sont associées est de plus en plus orientée vers le domaine des SIAD. Cet axe constitue un sujet d’actualité et un domaine de recherche en plein essor.

Cette thèse tente d'approfondir cette exploration par l'étude des fonctionnalités des agents et les architectures sous-jacentes qui peuvent conduire à l'intégration réussie des agents dans les SIAD. L’objectif principal de cette étude consiste en la conception et la réalisation d’un système multi-agent pour l’aide à la décision. Sur le plan modélisation, les agents apportent des améliorations au SIAD :

1. en donnant accès à un outil informatique (dans notre cas le calcul de la fonction coût par exemple lors de l’élaboration des stratégies de négociation entre les agents),

2. en réutilisant automatiquement la résolution du modèle lorsque des modifications des données sont importantes.

Cette nouvelle génération de SIAD à base d’agents fournira des informations de bonne qualité, en grande quantité et automatisera plusieurs de l'aide à la décision prévue.

Le travail présenté dans cette thèse apporte deux contributions majeures couvrant le thème de l’aide à la décision par une approche multi-agent dans un contexte industriel :

Nous avons développé un Système Interactif d’Aide à la Décision pour la résolution de problème d’ordonnancement d’atelier de type flow-shop en temps réel (cf. la figure 1.1). Cette approche par l’aide à la décision est appliquée grâce à un système multi-agents qui adopte des protocoles de coordination et de négociation entre agents comme moyens d’interaction.

Tout d’abord, nous examinons le potentiel d’intégration des technologies d’agents dans un cadre de Système Interactif d’Aide à la Décision (SIAD). Cet examen est utile pour pouvoir exploiter les relations établies dans la littérature et détaillées dans notre mémoire au niveau du cinquième chapitre qui est dédié aux SIAD. L’étude que nous avons faite sur les systèmes multi-agents nous permet de définir comment la capacité d'un agent peut être utilisée dans un processus décisionnel et d’identifier également des architectures de conception d'agent pouvant la supporter.

Ensuite, une modélisation de la structure de pilotage du système de production est proposée, l’approche choisie correspond à un pilotage supervisé et distribué. L’algorithme d’ordonnancement que nous avons établi tente de palier les insuffisances des méthodes connues pour résoudre les problèmes d’ordonnancement, que nous résumons comme suit :

(21)

6

(i) Les approches purement dynamiques d’ordonnancement sont pénalisées par leur ignorance du plan de fabrication qui même s'il est amené à changer au cours de son exécution, existe bel et bien dans ce problème. Ainsi les performances globales d'une gestion des files d'attente des ressources par des règles de priorité ou par un algorithme plus sophistiqué travaillant avec un ensemble réduit d'opérations, peuvent se révéler insuffisantes.

(ii) Dans l'hypothèse où une perturbation entraîne un réordonnancement, l'approche statique pénalise également l'anticipation car les séquences proposées peuvent être totalement différentes d'un ordonnancement à un autre. Ceci peut aller jusqu'à une perte de confiance dans le système d'ordonnancement de la part de ses utilisateurs. Les deux approches (dynamique et statique) souffrent de leur aspect directif, ne laissant aucune liberté d'action aux décideurs puisqu’elles proposent une seule solution.

L’approche présentée dans cette thèse tente de tirer parti des avantages des techniques statique et dynamique d’ordonnancement, elle est basée sur trois (3) propositions : la première consiste à générer en phase d’ordonnancement un ensemble de solutions admissibles à partir du plan de production initial, la deuxième consiste à exploiter en temps réel cet ensemble de solutions par un système interactif d’aide à la décision et la troisième est de tirer profit de la modélisation des entités en agents.

L’autre contribution que nous avons apportée dans cette thèse est la proposition d’un modèle de négociation qui s’appuie sur l’utilisation de la méthode d’aide multicritère ELECTRE III pour modéliser les préférences des agents impliqués dans le processus de négociation. La négociation est ainsi basée sur le Contract Net Protocol.

La coordination dans un système multi-agents est la mesure dans laquelle les agents réduisent les conflits sur les ressources et évitent l'impasse, tout en maintenant des conditions de sécurité applicables. Sans cela, tous les avantages de l'interaction peuvent disparaître et le groupe d'agents serait rapidement dégénéré en une collection d'activités individuelles d'une manière chaotique.

Un système multi-agents bien coordonné devrait permettre à tous les conflits d'être résolus au moment de l'exécution. Pour construire un tel système bien coordonné, un mécanisme de contrôle efficace sera une de nos préoccupations principales. Nous avons mis en place un mécanisme de gestion de contrats. Les modes de gestion des négociations sont de deux types : le cas des ressources différentes et celui des ressources communes. Dans notre approche, les agents interagissent pour résoudre des problèmes d’allocation de ressources, de gestion de conflits, et une meilleure réaction lors d’une panne de ressource.

1.4 Plan de la thèse

(22)

7

Partie 1 :

La première partie de la thèse est décomposée en 3 chapitres. Elle est consacrée à l’état de l’art pour situer le contexte de notre travail. Axée essentiellement sur la gestion de production, les différents types d’ordonnancements qui y sont utilisés, ainsi que tous les éléments nécessaires à l’introduction des Systèmes Interactifs d’Aide à la Décision (SIAD) comme solution au problème d’ordonnancement d’atelier de type flow-shop en temps-réel, cette partie expose les différents types de problèmes d’ordonnancements ainsi que les principales méthodes de résolution existantes dans la littérature.

Partie 2 :

La deuxième partie se décompose du chapitre 5 et du chapitre 6. Elle est entièrement consacrée aux définitions des systèmes multi-agents et des agents, leurs modes d’interactions, et les différents principes de la coordination et la négociation. C’est au niveau de cette partie que l’on introduit les premiers éléments de la solution proposée dans cette thèse.

Partie 3 :

La troisième partie illustre notre approche méthodologique pour la conception du Système Interactif d’Aide à la Décision à base d’une modélisation multi-agents. Le septième chapitre détaille cette modélisation. Les différents agents sont alors présentés ainsi que toutes les étapes de la conception, des organigrammes représentant à la fois la démarche générale de résolution du problème et l’intégration de la méthode ELECTRE III jusqu’aux différentes descriptions des diagrammes UML. Nous terminons avec la présentation des algorithmes de coordination.

Au niveau du huitième chapitre, le modèle de négociation est donné en détail. Quelques scénarios d’expérimentation sur le système développé seront déroulés en mettant en évidence les deux niveaux de prise de décision traités dans le projet. Ce chapitre illustre la mise en œuvre de la conception multi-agent pour le SIAD. Nous présentons l’architecture informatique du système. Pour réaliser notre application nous avons utilisé trois outils de développement : le langage Java est utilisé pour la réalisation des interfaces et de l’architecture client-serveur et aussi pour gérer l’accès à la base de données. MySQL est utilisé pour la création et la gestion des bases de données. Et, pour la réalisation du modèle de coordination nous avons choisi d’utiliser la plate-forme JADE qui est une plate-forme multi-agents développée en Java. Enfin, le chapitre neuf conclut ce document en établissant un bilan des travaux présentés dans les chapitres précédents et ouvre un certain nombre de perspectives de recherche.

(23)

8

(24)

Partie 1:

(25)

10

F

ace à la globalisation économique et aux révolutions technologiques du contexte concurrentiel complexe dans lequel elle évolue, la fonction de production devient de plus en plus stratégique, dans le mesure, où elle oblige à la maîtrise d'un environnement instable.

Par ailleurs, en proie à une demande de plus en plus exigeante, l'entreprise a dû revoir ses objectifs et est progressivement passée d'un objectif unique de productivité, à un objectif mixte de coût-qualité-délais, flexibilité, qui caractérise la meilleure réponse de l’entreprise au consommateur Ainsi, on parle aujourd'hui d'un processus de production complexe s'inscrivant dans une fonction transversale, c'est-à-dire qui doit faire converger et intégrer à sa propre finalité un ensemble de contraintes imposées par des fonctions complémentaires, annexes à la production (fonctions ressources humaines, marketing, logistique etc.).

De plus, la production est la transformation de ressources avec pour objectif la création de biens ou de services. Cette transformation nécessite, pour l'entreprise, de combiner deux facteurs de production matériels et immatériels que sont le capital et le travail.

Un des objectifs de la gestion de production est de fabriquer au moindre coût des produits de qualité disponibles dans les meilleurs délais et dont la demande est susceptible d'évoluer rapidement et dont les caractéristiques sont multiples.

Parmi les différentes fonctions de la gestion de production, une nous intéresse plus particulièrement, c'est la fonction d'ordonnancement. Le problème d’ordonnancement consiste à organiser dans le temps la réalisation d’un ensemble de tâches, compte tenu de contraintes temporelles (délais, contraintes d’enchaînement, etc.) et de contraintes portant sur l’utilisation et la disponibilité des ressources requises par les tâches [Lopez et Roubellat, 2001].

Il n’y a pas à proprement parler de problème général type mais des problèmes d’ordonnancement très variés. Le ré-ordonnancement n’est d’ailleurs qu’une déclinaison particulière d’un problème spécifique d’ordonnancement. Ce chapitre présente tout d’abord les différentes étapes de la gestion de production pour ensuite aborder le problème d’ordonnancement d’atelier [Esquirol et Lopez, 1999]. Tout en insistant sur le fait que pour décider d’une méthode de résolution à appliquer face à un problème d’ordonnancement, il s’agit d’abord de préciser à quoi correspondent les notions de tâches, ressources, contraintes et objectifs.

(26)

11

Un problème d’ordonnancement consiste à affecter des tâches aux ressources et à décider de leur répartition dans le temps, de manière à optimiser un critère ou à trouver un compromis entre plusieurs critères [Esquirol et Lopez, 1999].

Une première définition consisterait à dire que c'est un ensemble de processus qui permet de mener à bien la fabrication de produits à partir d'un ensemble de données et de prévisions. En fait, la gestion de production regroupe un ensemble de problèmes liés à la production tels que la gestion des données, la planification et le contrôle (suivi) de la production, la gestion des stocks, la prévision, etc. L'ordonnancement, thème central de cette étude, est donc une fonction liée aux autres fonctions de la gestion de production et à tous les autres aspects inhérents au bon fonctionnement d'un atelier.

Le rôle de la gestion de production est, d’organiser et de piloter le fonctionnement des processus physiques mis en œuvre dans l’entreprise, afin d’assurer une meilleure utilisation des moyens humains, physiques et technologiques disponibles, et de satisfaire au mieux l’objectif global de production défini en terme de quantités à fabriquer avec une qualité demandée, et des délais à respecter [Trentesaux, 1996].

Cette définition présente la gestion de production comme une fonction qui doit tenir compte de nombreuses contraintes et objectifs diversifiés selon leurs natures, dans le but de piloter l’ensemble des moyens de production : contraintes décrites en termes d’utilisation efficace des moyens disponibles (ressources humains ou matérielles) et objectifs définis en terme global de délai de qualité et de coût.

L’automatisation est le moyen le plus courant qui permet d’obtenir une gestion performante de la production.

Selon [Courtois, 1995] l'objectif principal de la gestion de production est de gérer les flux de matières et d'informations par rapport aux objectifs prioritaires définis par la direction générale de l'entreprise. Le schéma suivant montre l'ensemble des flux que gère, totalement ou partiellement, la gestion de production.

(27)

12

FIG. 2.1— Les flux informationnels et physiques [Site1].

2.2 Objectifs de la gestion de production

Les principaux objectifs d'une gestion de production efficace peuvent être considérés de la manière suivante:

2.2.1 Respecter les délais

Cet objectif est prioritaire vis-à-vis du client, étant donné que les commandes ont un caractère contractuel [Vacher, 2000] et leur non respect peut avoir des conséquences financières pénalisantes, aussi bien sur le plan économique que sur l’image de marque de la société.

2.2.2 Minimiser les stocks intermédiaires

A chaque niveau de fonctionnalité, les différents intervenants ne cernant pas de manière précise les flux et l’ensemble des paramètres entrant dans un processus complexe de fabrication, ne cherchent pas ou ne peuvent pas optimiser les stocks de matières et produits en cours de fabrication ou d’assemblage par exemple. Une tendance naturelle, mais couteuse, est d’accroître les quantités produites intermédiaires pour éviter toute rupture d’enchainement.

(28)

13

chers et détecter la présence de goulots d’étranglement limitant le débit de sortie des produits. Un goulot est un moyen de production dont la capacité est inférieure à la charge résultant d’une demande.

2.2.4 Autres objectifs liés à l’environnement de la production

En plus des objectifs cités précédemment, la gestion de production doit affecter un certain nombre d’objectifs de qualité, de quantité et de coûts. La fonction de production dépend aussi des autres grandes fonctions de l'entreprise que sont les ventes, l'approvisionnement et les stocks.

2.3 Les différents types de systèmes de production

Les entreprises de productions sont réparties généralement en quatre catégories, même si dans certains cas un système peut prendre certaines caractéristiques que l’on peut retrouver dans plusieurs classes différentes.

2.3.1 Production unitaire

Ce type de production [Afnor, 1988] également désigné sous l’appellation de projet dans le cas d’une unité importante de construction est celui de la production artisanale et aussi celui de la réalisation de grands ouvrages. Leur point commun est la taille du produit qui oblige à tout organiser autour du chantier où l’unité doit être produite en une seule édition ou un petit nombre à la fois, avec souvent des modifications et des améliorations techniques d’une unité à l’autre.

2.3.2 Production en petite et moyenne série

C’est aussi la production par lots, elle est caractérisée par le fait que le produit est plus ou moins de taille modeste pour que ce produit se déplace de machine en machine dans un même atelier ou un groupe d’ateliers. Le procédé de fabrication d’un produit est, dans ce cas, exprimé par la gamme de fabrication ou routage. La gamme de production d’un article est l’énumération de la succession des actions et autres évènements nécessaires à la réalisation de l’article en question.

On distingue généralement les ateliers de production par lots en deux classes distinctes : L’usinage et le montage. Les ateliers d’usinage partent d’une matière première qu’ils façonnent et transforment pour obtenir une pièce ou un produit fini. Le montage, à partir d’un certain nombre de pièces (fabriquées à l’usinage ou achetées à l’extérieur), regroupe ces pièces pour réaliser des produits finis complexes conformément aux indications des nomenclatures de décomposition et des gammes de montage.

(29)

14

nombre de produits à fabriquer augmente suffisamment il serait intéressant de constituer des installations dédiées. Une chaîne de production représente un ensemble de machines différentes dans l’ordre même dans lequel les opérations doivent être effectuées pour minimiser les temps de transfert et d’attente. Il faut que les machines aient le même rendement et le même débit et que les problèmes des aléas puissent être résolus rapidement avant d’entraîner l’arrêt complet de la chaîne. Toutes ces conditions font que généralement il est nécessaire d’avoir une surcapacité en ressources humaines et matérielles impliquant des investissements importants.

2.3.4 Production en continu

La production en continu est en fait un cas particulier de la production en grande série. C’est une chaîne parfaitement équilibrée où il n’y a pas de stocks intermédiaires et toutes les machines qui constituent cette chaîne ont le même débit.

Cependant, traditionnellement, on réserve ce terme au cas où les matières et les produits se présentent sous forme liquide (ou du moins pouvant circuler dans des canalisations) ou sous forme gazeuse. Ce type de production concerne par exemple la production en raffinerie, chimie, sidérurgie ou en industrie du verre et du ciment. Il fait souvent intervenir des matières premières.

2.4 Caractéristiques des systèmes automatisés de production

2.4.1 Flexibilité

De nos jours la flexibilité des systèmes de production est devenue primordiale à cause de la croissance continue de l’automatisation industrielle. Elle est considérée comme une

(30)

15

2.4.2 Réactivité

La réactivité d’un système de production est définie comme l’aptitude à répondre (réagir) dans un temps requis aux changements de son environnement interne ou externe. C’est à dire qu’il doit avoir une conduite qui lui permette de réagir et de s’adapter, en fonction des objectifs de production, aux fluctuations des besoins et aux aléas du système par rapport au régime (fonctionnement) permanent (stable) [Dauzère-Pérès et al., 2005].

Cette réactivité impose une vue dynamique des événements, pour cela trois fonctions s’avèrent nécessaires : Une fonction d’observation, Une fonction de surveillance et Une fonction de correction.

2.4.3 Pro-activité

La pro-activité d’un système de production se caractérise par ses capacités d’anticipation (prévoir et/ou provoquer) des changements d’état, d’apprentissage et d’enrichissement des connaissances, d’adaptation de ses règles de fonctionnement et par sa capacité de réorganisation reposant sur une architecture décentralisée et une délégation de responsabilité. Les fonctions d’observation, de surveillance et de correction sont nécessaires pour assurer la pro activité. Les processus de décision distribués offrent de réelles capacités en termes de réactivité et de pro activité.

2.4.4 Robustesse

La robustesse d’un système de production se définit par son aptitude à produire conformément aux résultats attendus. Cela suppose la garantie de l’obtention des performances souhaitées en présence d’incertitudes dans le système [Billaut, 2005].

2.4.5 La performance des systèmes de production

En raison de la diversité des sens qui peuvent lui être attribués dans ses utilisations courantes, il est bien difficile de caractériser la performance puisqu'elle peut être résultat, meilleur résultat, résultat idéal, ou encore action. La notion de performance est très rarement définie car considérée comme implicitement connue [Innal et Dutuit, 2006].

Les travaux du domaine du contrôle assimilent le plus souvent la performance à un indicateur de performance : temps d'exécution, quantité d'opérations, quantité de ressources utilisées...La plupart du temps, on considère qu'une proposition contribuant à l'amélioration de l'un de ces indicateurs, génère une réduction des coûts et implicitement une amélioration des performances. Certains chercheurs font l'effort de traduire un résultat en terme de coût, mais en utilisant malheureusement des pondérations simplistes issues du contrôle de gestion et admises, même si elles introduisent des distorsions dans l'image qu'elles donnent de la performance économique.

Depuis une vingtaine d'années, certains chercheurs en productique et en génie logiciel s'intéressent à la problématique de la performance industrielle et de l'instrumentation de son évaluation et définissent la performance globale d'un système comme étant l'obtention

(31)

16

2.5 Les différents types d’ateliers manufacturiers

Une classification très répandue des ateliers, du point de vue ordonnancement, est basée sur les différentes configurations des machines. Les modèles les plus connus sont les suivants :

a. Machines uniques b. Machines parallèles

c. Ateliers à cheminement unique (Flow-shop) d. Ateliers à cheminement multiples (Job-shop) e. Autres configurations (Open-shop et autres).

2.5.1 Machine unique

Dans ce cas, l’ensemble des tâches à réaliser est fait par une seule machine. Les taches sont alors effectuées lors d’une opération. L’une des situations intéressantes où on peut rencontrer ce genre de configuration est le cas où on est devant un Système de Production comprenant une machine goulot qui influence l’ensemble du processus. L’étude peut alors être restreinte à l’étude de cette machine comme cela est montré à la figure 2.3.

2.5.2 Machines parallèles

Dans ce cas, on dispose d’un ensemble de machines identiques pour réaliser les travaux, ces dernières se composent d’une seule opération et un travail exige une seule machine. L’ordonnancement s’effectue en deux phases ; La première phase consiste à effectuer les travaux sur machines et la deuxième phase consiste à établir la séquence de réalisation sur chaque machine (voir figure 2.4).

Travaux en Attente

Machine

Travaux Finis

FIG. 2.3— Modèle d’une Machine unique.

Travaux en Attente

Machine 2

Travaux Finis

FIG. 2.4— Modèle d’une Machine parallèle.

Machine 1

(32)

17

Un atelier à cheminement unique est un atelier où le processus d’élaboration de produits est dit « linéaire », c'est-à-dire lorsque les étapes de transformation sont identiques pour tous les produits fabriqués. Selon les types de produits élaborés, on distingue deux types de production : la production continue et la production discrète. La production continue est caractérisée par la fluidité de son processus et l’élimination du stockage, c’est le cas notamment dans les raffineries, les cimenteries, les papeteries …etc. La production discrète s’applique principalement aux produits de grande consommation fabriquée à la chaîne comme l’exemple de la fabrication automobile, la majorité du domaine textile, les machines outils…etc. Dans les deux cas, les machines peuvent être dédiées à une opération précise, et sont implantées en fonction de leurs séquences d’intervention dans la gamme de production. L’un des principaux objectifs dans le cas d’atelier à cheminement unique est de trouver une séquence de taches qui respecte un ensemble de contrainte et qui minimise le temps total de production.

2.5.4 Ateliers à cheminements multiples (Job-shop)

Les ateliers à cheminement multiple (Job-shop) sont des unités manufacturières traitant une variété de produits individuels dont la production requiert divers types de machines dans des séquences variées. L’une des caractéristiques d’un atelier à cheminement multiple est la demande pour un produit particulier est généralement d’un volume petit ou moyen. Une autre caractéristique est la variabilité dans les opérations. Ainsi, il est nécessaire que le système soit de nature flexible. Dans un sens général, la flexibilité est la capacité d’un système à répondre aux variations dans l’environnement (voir figure 2.6).

L’objectif le plus considéré dans le cas d’un atelier à cheminements multiples est le même que celui considéré pour un atelier à cheminement unique, à savoir trouver une séquence de tâches sur les machines qui minimise le temps total de production [Esquirol et Lopez, 1999].

Travaux en Attente

Travaux Finis

FIG. 2.5— Ateliers à cheminement unique (Flow-shop).

(33)

18

2.6 Les problèmes des systèmes de production

L’objectif des Systèmes de Production (SP) est de satisfaire le client et pour y arriver il est impératif de mieux gérer la production, ce qui implique un ordonnancement pouvant aboutir à des échéances acceptables. De ce fait la complexité des SP se résume en deux principaux problèmes [Vacher, 2000] : problème d’ordonnancement et problème d’optimisation.

2.6.1 Problème d’ordonnancement

L’ordonnancement est une fonction essentielle en système de production. C’est un problème difficile en raison du nombre de calculs à effectuer pour obtenir un ordonnancement qui optimise le critère retenu [Vacher, 2000]. Les problèmes d’ordonnancement consistent à organiser l’exécution de travaux d’un ensemble de ressources disponibles en quantité limitée. En pratique, on rencontre de tels problèmes dans les systèmes de production manufacturière, ou des ordres de fabrication correspondants à des produits à réaliser doivent être séquencés sur les différentes machines de l’atelier. En particulier, le problème d’ordonnancement de projet à contraintes de ressources, consiste à déterminer les dates de début d’un ensemble de taches soumises à des contraintes de succession ; chaque tache nécessite une quantité donnée de ressources impliquées dans le projet pour être exécutée. Il y a aussi des problèmes cumulatifs dans la mesure où à chaque instant et pour chaque ressource la quantité utilisée ne peut dépasser la quantité disponible. Par ailleurs, les décideurs doivent faire face à des perturbations,

FIG. 2.6— Ateliers à cheminement multiple (Job-hop).

Machine 1 Machine 2 Machine 3

Machine 6 Machine 5 Machine 4

Travail en attente Travail fini

(34)

19

2.6.2 Problème d’optimisation

Optimiser c’est tout d’abord mesurer avant d’agir sur les points critiques. Pour un système de production il faut mettre en place des indicateurs liés à la productivité en fonction des lots, aux arrêts machines dont les résultats révèleront les véritables gisements de productivité. Dans la résolution d’un problème d’ordonnancement, on peut choisir entre deux grands types de stratégies, visant respectivement à l’optimalité des solutions, ou plus simplement à leur admissibilité. L’approche par optimisation suppose que les solutions candidates à un problème puissent être ordonnées de manière rationnelle selon un ou plusieurs critères d’évaluation numériques, construits sur la base d’indicateurs de performances [Lopez et Roubellat, 2001]. On cherchera donc à minimiser ou maximiser de tels critères. On note par exemple ceux :

 Liés au temps

Le temps total d’exécution ou le temps moyen d’achèvement d’un ensemble de taches, différents retards ou avances par rapport aux dates limites fixées.

 Liés aux ressources

- La quantité totale ou pondérée de ressources nécessaires pour réaliser un ensemble de taches.

- La charge de chaque ressource. - Liés à l’énergie ou un débit.

- Liés aux coûts de lancement, de production, de transport, etc. ; mais aussi aux revenus, aux retours sur les investissements.

2.7 Ordonnancement

Le domaine de l’ordonnancement présente la particularité de se situer à la croisée de plusieurs disciplines scientifique (mathématiques, économie, productique, automatique, informatique,….). L’ordonnancement est également d’une très forte relation entre pratique et théorie. Ces caractéristiques se traduisent naturellement par une littérature riche et abondante. Nous présentons tout d’abord ce qu’est un problème d’ordonnancement en évoquant notamment les différents sous problèmes qu’il recouvre.

2.7.1 Notions de Base

L’ordonnancement est une fonction essentielle en gestion de production, C’est un problème difficile en raison du nombre de calculs à effectuer pour obtenir un ordonnancement qui optimise le ou les critère(s) retenu(s). De plus, il existe de nombreux

Figure

Updating...

Références

Updating...

Sujets connexes :